TensorFlow

구글에서 오픈소스로 공개한 기계학습 라이브러리

기계학습 기계 학습은 문제를 해결하기 위해 문제마다 다른 맞춤 코드(custom code)를 작성하지 않고 일반 알고리즘(generic algorithms)에 데이터를 공급하면 데이터를 기반으로 한 자체 로직이 만들어진다는 아이디어 입니다. 예를 들어 분류 알고리즘이 있는데 이는 서로 같은 것과 다른 것을 분류하는 로직을 가지고 있습니다.

두 종류의 기계 학습 알고리즘

기계 학습 알고리즘은 지도 학습(supervised learning)과 비지도 학습(unsupervised learning)의 두 가지 주요 범주 중 하나로 분류될 수 있습니다.

지도 학습(Supervised Learning) 지도 학습이란 훈련 데이터를 통해서 문제에 대한 답을 지속적으로 넣어줍니다. 그렇다면 알고리즘은 해당 데이터의 의미를 알아낼 수 있게 분석하게 됩니다. 이것은 마치 모든 연산 기호가 지워진 수학 시험에 대한 해답을 통해 식을 알아내는 과정과 유사합니다.

지도 학습에서, 당신은 컴퓨터가 당신을 위해 그 관계를 해결하도록 내버려두면 됩니다.

비지도 학습(Unsupervised Leaarning)

비지도 학습은 답을 알려주지 않습니다. 일련의 데이터들이 무엇을 의미하지는 모르지만 지속적인 데이터들을 통해서 패턴이나 분류를 나눌 수 있게 됩니다.

기계 학습으로 할 수 있는 것들

인간은 대부분의 상황을 이해하고 명시적으로 알려주지 않아도 상황을 어떻게 대처해야 할지 배울 수 있습니다. 만약.. 중략

reference

기계학습 1